NextStep-1：迈向大规模连续 Token 自回归图像生成

NextStep-1 是 StepFun 多模态智能团队推出的 140 亿参数自回归图像生成模型，被 ICLR 2026 收录为 Oral，直接在连续图像 token 上工作，采用统一的下一 token 预测框架，并开源了完整训练代码与多种 checkpoint。